Come categorizzare automaticamente le transazioni bancarie (Guida 2026)

Ogni app di finanza personale, prima o poi, ha lo stesso problema segreto: le persone smettono di usarla quando la categorizzazione comincia a sembrare sbagliata. Un addebito etichettato “Misc” che dovrebbe essere “Ristoranti”, un addebito Square che l’app non riesce a decodificare, dieci mesi di abbonamenti compressi in “Service” — e l’utente molla. Fatto bene, la categorizzazione automatica è la funzione singola più importante di un tracker finanziario. Fatto male, è il motivo per cui queste app falliscono.

Questa è una guida 2026 alla categorizzazione automatica delle transazioni: cos’è, perché le soluzioni precedenti erano così scarse, cosa è cambiato nel 2024 e 2025 che l’ha resa finalmente affidabile e come impostarla gratis o a basso costo.

Cosa significa davvero “categorizzazione automatica”

Ogni transazione in un estratto conto bancario è una riga di dati: data, descrizione del merchant, importo, a volte memo. La categorizzazione è il processo di assegnare a quella riga un’etichetta significativa — Generi alimentari, Ristoranti, Trasporti, Abbonamenti, Reddito, Trasferimento — così puoi sommare la spesa per categoria, costruire un budget intorno ad essa e notare le anomalie.

La categorizzazione manuale funziona per le prime 30 transazioni e poi smette di funzionare. Una famiglia tipica produce 80–200 transazioni al mese tra tutte le carte e i conti, e le descrizioni del merchant raramente sono il nome del brand — “CTV*PARAMOUNT” per Paramount+, “DG*ZWIFT” per l’app di ciclismo, “TST*REDLOBSTER” per Red Lobster, “PAYPAL *AMAZON” per Amazon. Farlo a mano è una commissione mensile da 30 minuti che quasi nessuno riesce a mantenere.

Perché la categorizzazione precedente era così pessima

Mint, l’app di finanza personale dominante prima del 2024, usava un sistema basato su regole. La descrizione del merchant nell’estratto veniva confrontata con una lista curata a mano di espressioni regolari e codici merchant; nuovi merchant o descrizioni formattate in modo strano finivano in una categoria generica. Tre problemi:

• Il database dei merchant doveva essere mantenuto manualmente. Nuovi brand, attività locali e processori di pagamento white-label lo confondevano continuamente.
• La categoria di un merchant dipendeva dal contesto. Un addebito da $40 su Whole Foods è generi alimentari; un addebito da $40 su Starbucks è ristoranti; un addebito da $40 sulla stessa catena di caffè dentro una mensa aziendale potrebbe essere rimborsato come spesa di lavoro. I sistemi basati su regole non possono saperlo.
• Abbonamenti e addebiti ricorrenti venivano gestiti da uno strato di rilevamento separato che spesso non era d’accordo con il categorizzatore. Un addebito mensile di Spotify avrebbe potuto comparire sia come “Musica” sia come “Abbonamenti” a seconda di quale schermata guardavi.

Cosa è cambiato nel 2024–2026

Due cose, insieme:

Modelli di linguaggio di grandi dimensioni per la categorizzazione

Entro la fine del 2024, i modelli di linguaggio erano diventati abbastanza economici e accurati da categorizzare transazioni una alla volta con precisione quasi umana. Un modello che ha letto gran parte del web pubblico sa che “CTV*PARAMOUNT” è Paramount+ e un abbonamento streaming, che le descrizioni “TST*” sono punto vendita ristorante, che “USPS” è spedizione e che un addebito da $40 su Whole Foods la mattina di un sabato è più probabilmente generi alimentari che una spesa da ufficio.

Cosa fondamentale: i modelli di linguaggio possono usare anche il contesto — quanto spesso compare lo stesso merchant, che intervallo di importi è tipico per quel merchant e come l’utente ha sovrascritto la categorizzazione in passato.

OCR per estratti PDF

I formati degli estratti conto cambiano drasticamente tra paesi, banche e tipi di conto. I categorizzatori più vecchi richiedevano l’esportazione CSV, che non è disponibile per molte banche più piccole e per estratti di banche estere. I parser moderni basati su IA possono estrarre dati strutturati direttamente dal PDF, inclusi layout su più colonne, note a piè di pagina su commissioni e tabelle che vanno a capo in modo “strano” tra pagine.

Combinandole, per la prima volta hai un’automazione end-to-end: carichi un PDF dell’estratto, ottieni una lista completa e categorizzata di transazioni con abbonamenti rilevati e addebiti ricorrenti segnalati.

Come impostare la categorizzazione automatica nel 2026

Opzione A: collega un’app di aggregazione banca (Plaid)

App come Monarch Money, Copilot Money e YNAB usano Plaid per recuperare le transazioni automaticamente. La configurazione richiede circa cinque minuti per conto. Una volta collegato, le transazioni appaiono ogni giorno e l’app le categorizza all’importazione. La qualità varia — alcune app si basano ancora molto su logica basata su regole — ma le migliori ora sono circa al 90% accurate “out of the box”.

Lo scambio è la privacy: devi dare a un aggregatore di terze parti il tuo accesso bancario. Gli aggregatori hanno buoni record di sicurezza, ma per gli utenti che non vogliono che le credenziali siano da qualche parte fuori dalla loro banca, non è proprio una soluzione.

Opzione B: carica gli estratti su un tracker con IA

MyVault è l’opzione più semplice senza aggregatore: scarichi un estratto in PDF o CSV dal sito della tua banca, lo carichi e l’IA categorizza tutto in meno di un minuto. In nessuno step sono coinvolte credenziali bancarie — il file che carichi è lo stesso che scaricheresti per la stagione fiscale. Il piano gratuito copre la maggior parte degli utenti casual.

Opzione C: creala da te con foglio di calcolo e un assistente IA

Per gli utenti fai-da-te con uno o due conti semplici, un foglio di calcolo più un’unica richiesta (prompt) di IA può fare gran parte del lavoro. Esporta le transazioni in un CSV, incollale in ChatGPT o Claude con un prompt che chieda la categorizzazione e accetta il risultato. Funziona per audit una tantum, ma è fragile come flusso mensile.

Come rendere migliore qualsiasi categorizzatore

Nessun categorizzatore automatizzato è perfetto al primo passaggio. Alcune abitudini migliorano drasticamente la qualità nel tempo:

• Scegli una lista di categorie piccola e stabile. Dodici-quindici categorie funzionano molto meglio di cinquanta. Più categorie significano più occasioni per contraddirti.
• Correggi sempre le categorizzazioni sbagliate, anche se non ti interessa la transazione specifica. I categorizzatori moderni imparano dalle tue correzioni — correggere una volta un addebito Spotify in una categoria errata insegna al modello che tutti i tuoi addebiti Spotify dovrebbero stare nella stessa posizione in futuro.
• Imposta una regola per i merchant ambigui. Amazon, PayPal e Venmo sono i peggiori — potresti usare Amazon per generi alimentari, elettronica, libri e regali. Dai loro una categoria “catch-all” oppure accetta che dovrai ricategorizzare manualmente.
• Categorizza i trasferimenti come trasferimenti, non come reddito o spesa. Un movimento dal conto corrente al conto risparmio viene contato due volte nei totali se lo tratti come reddito da un lato e come spesa dall’altro.

Cosa sblocca davvero una buona categorizzazione

Con transazioni categorizzate in modo affidabile, puoi finalmente rispondere alle domande che contano: quanto spendo davvero per ristoranti rispetto ai generi alimentari; che quota del mio reddito va ad abbonamenti; il mio budget trasporti mensile sta aumentando; quanto ho speso in totale per quella vacanza. Numeri così sono evidenti a posteriori ma invisibili senza categorizzazione, e sono la base di qualsiasi budget davvero utile.

Prova MyVault gratis — carica un estratto conto bancario e vedi la tua spesa categorizzata automaticamente. Non serve il login bancario. MyVault